非線形最適化問題に対する安定的かつ効率的な集団的最適化手法に関する研究

点击翻译按钮获取中文摘要

本研究の主な目的は，集団的最適化手法(POA)において，効率的に最適化を行うことが困難な多峰性問題，高次元問題，厳しい制約条件を持つ制約付き最適化問題を効率的に解くPOAを開発することである．本年度の主な研究成果は以下の通りである．①高次元の多峰性最適化問題(MOP)に対する最適化手法の検討：先行研究において多峰性問題を解くためにガブリエルグラフを用いた種分化型差分進化(DE)を提案したが，高次元問題に対する最適解の発見数が小さい．新たな近接グラフβRNGを提案し，βをMOPの次元に対応して制御することによって探索性能を向上できることを示した．②解集団の状態を用いたDEの探索性能向上に関する検討：JADEに対して，親から子へのベクトルを内向きベクトルと外向きベクトルに分類し、外向きベクトルの割合を用いて集団の探索状態を推定する方法を提案した．集団が収束している場合は収束を強化するように，移動している場合は移動を強化するようにパラメータを調整する方法を提案し，平均化された外向きベクトルで集団の移動方向を決定する方法を提案した．③解集団の状態を用いた粒子群最適化(PSO)の探索性能向上に関する検討：集団の重心と最良解の間の正規化距離DCBを提案した．DCBの値によって集団の探索状態を収束／移動と推定し，状態に応じた慣性重みwの動的制御と集団の移動加速度を提案した．④外向きベクトル率と平行体交叉による実数値GAの探索性能向上に関する検討：2親を対角頂点とする平行体内に一様に子個体を生成する２親交叉psBLXを提案した．子が親より良いときに親から子に向かうベクトルの内，重心から遠ざかる外向きベクトルの割合を用いて集団の探索状態を推定し，状態に応じてパラメータβを制御し，収束／移動を強化する方法を提案した．